Creación de Escalas en las Ciencias de la Administración
Palabras clave:
Escalas, AdministraciónSinopsis
Obtener reconocimiento y credibilidad en resultados de investigación científica depende de qué estrategia esclarece y justifica mejor, la técnica de medición empleada. Así, es posible plantear diversas estrategias que permiten desarrollar y afinar las mediciones, sin embargo, su verdadero impacto dependerá del tipo de fenómeno científico que sea medido, tanto con variables observables directamente como de sus relaciones subyacentes. Es así que las ciencias de la administración deberán centrar su interés en el planteamiento, diseño, desarrollo y validación de constructos tanto de relaciones directas como subyacentes. Particularmente, este último tipo de relaciones implica constructos que al repre- sentar abstracciones sólo pueden evaluarse de manera indirecta. La evaluación indirecta implica el diseño y uso de múltiples elementos (en nuestro caso, indica- dores) que miden al constructo, es decir, "plantean la escala para medir". Así, partiendo de un problema de investigación determinado y caracterizados las factores, variables e indicadores que mejor la describan en forma de constructos, el objetivo principal de este documento es el de plantear y diseñar las relaciones de dichos factores, variables e indicadores para discutir cómo medirlos y validarlos a través de la creación de escalas.
Para lograr este objetivo, en el capítulo 1, se justifica y enfatiza la importancia de la teoría del desarrollo de escalas a partir de explicar conceptos clave y básicos, como son: dimensionalidad, confiabilidad y validez. Además se destaca la importancia del enfoque de cuatro pasos en el desarrollo de una escala que involucra a estos tres conceptos. En los capítulos 2. Dimensionalidad, 3. Confiabilidad y 4. Validez se plantea y se describe con mayor detalle cada uno los conceptos clave. Los capítulos 5, 6 y 7 hacen énfasis y detallan el enfoque en cuatro etapas y ofrecen ejemplos empíricos relevantes para cada paso.
Particularmente se remarca la importancia del análisis factorial tanto explora- torio como factorial. El enfoque en cuatro etapas está basado en el precedente de
múltiples trabajos de creación de escalas de diversos autores (Churchill, 1979; Clark y Watson, 1995; DeVellis, 1991; Haynes, Nelson y Blaine, 1999; Nunnally y Bernstein, 1994; Spector, 1992).
Cabe destacar que el diseño de una escala con base en constructos que definen finalmente un modelo, son el cimiento de la investigación científica, los cuales, son de carácter más que nada iterativo, en vez de lineal. Esto quiere decir que, en lugar de seguir pasos y actividades lineales o consecutivas, como todo proceso lógico y secuencial, el proceso sugerido de desarrollo de la escala tiende fuertemente a ser un procedimiento iterativo y continuo en el que "se reinician todos los procedimientos de creación de escala". Esto es debido a que los investigadores, conscientes, aprenden de sus esfuerzos y errores, por lo que se hacen necesarias las revisiones, incluyendo las que sean de etapas tempranas como la definición de factores, variables e indicadores a nivel conceptual, así como la definición de la dimensiona- lidad de constructo.
Descargas
Los datos de descargas todavía no están disponibles.
Citas
Anderson, J.C.y Gerbing, D.W.(1988).Structural equation modeling in practice:a review and recommended two-step approach.Psychological Bulletin,1(3),411- 423.
Allen,S.J.y Hubbard,R.(1986).Regression equations of the latent roots of random data correlation matrices with unities on the diagonal. Multivariate Behavioral Research, 21, 393-398.
Anastasi, A. y Urbina, S. (1998). Psychological testing. Englewood Cliffs, NJ: Prentice-Hall.
Arbuckle, J. L. (2003). Amos 5.0 [Computer soware]. Chicago, IL: SPSS.
Bagozzi, Richard P. y Yi, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science Spring, 16 (1), 74-94.
Bagozzi,R.P.y Heatherton,T.F.(1994).Ageneralapproachtorepresentingmulti- faceted personality constructs: Application to state self-esteem. Structural EquationModeling,1(1),35-67. .
Bagozzi, R. P., Yi, Y. y Phillips, L. W. (1991). Assessing construct validity in organizational research. Administrative Science Quarterly, 36 (3), 421-458.
Bearden, W. O., Hardesty, D. y Rose, R. (2001). Consumer self-confidence: refinements in conceptualization and measurement. Journal of Consumer Research, 28 (june), 121-134.
Bearden,W.O.y Netemeyer,R.G.(1998).Handbookofmarketingscales:Multi-item measures for marketing and consumer behavior research. ousand Oaks, CA: Sage.
Bearden, W. O., Netemeyer, R. G. y Teel, J. E. (1989). Measurement of consumer susceptibility to interpersonal influence. Journal of Consumer Research, 15 (march), 473-481.
Bearden,W.O.,Sharma,S.y Teel,J.E.(1982).Samplesizeeffectsonchi-squareand other statistics used in evaluating causal models. Journal of Marketing Research, 19 (november), 425-430.
Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107 (2): 238-246
-----(2006). EQS 6.1. Structural Equations Program Manual. CA: Multivariate Soware Inc.
----- y Bonnet, D. G. (1980). Significance tests and goodness of fit in analysis of covariancestructures.PsychologicalBulletin,88(3),sep.-dec.,pp. 588-606.
-----y Chou,C.(1987).Practicalissuesinstructuralmodeling.Sociological Methods y Research,16(1),78-117.
Bollen, K. A. (1989). Structural equations with latent variables. New York: John Wileyy Sons.
----- y Lennox, R. (1991). Conventional wisdom on measurement: A structural equations perspective. Psychological Bulletin, 110, 305-314.
Boyle, G. J. (1991). Does item homogeneity indicate internal consistency or item redundancy in psychometric scales? Personality and Individual Differences, 3, 291-294.
Brown,T.A.(2006).Confirmatoryfactoranalysisforappliedresearch.NewYork: e Guilford Press.
Browne,M.W.y Cudeck,R.(1993).Alternativewaysofassessingmodelfit.InK.A.
Bolleny J.S.Long(Eds.).Testingstructuralequationmodels(pp.136-162).Newbury Park, CA: Sage.
Bruner,G.y Hensel,P.(1997).Marketingscaleshandbook:Acompilationofmulti- item measures. 2nd ed. Chicago: American Marketing Association.
Byrne, B. M. (2001). Structural equation modeling with AMOS: Basic concepts, applications,andprogramming.Mahwah,NJ:LawrenceErlbaum Associates.
----- (2005a). Factor analytic models: Viewing the structure of an assessment instrument from three perspectives. Journal of Personality Assessment, 85, 17-30.
----- (2005b). Factor analysis confirmatory. In B. S. Everitt y D. C. Howell (Eds.). Encyclopedia of Statistics in Behavioural Science, pp. 599-606. London, UK: Wiley. -----(2006).StructuralEquationModelingwithEQS,basicconcepts,applications, and
programming. London: LEA Publishers.
Calder,B.J.,Phillips,L.W.y Tybout,A.M.(1982).econceptofexternalvalidity.
Journal of Consumer Research, 9 (december), 240-244.
Campbell, D. T. (1960). Recommendations for APA test standards regarding
construct, trait, or discriminant validity. American Psychologist, 15, 546-553. -----y Fiske,D.W.(1959).Convergent and discriminant validity by the multitrait- multimethod matrix. Psychological Bulletin, 56, 81-105.
Carver, C. S. (1989). How should multi-faceted personality constructs be tested?
Issues illustrated by self-monitoring, attributional style, and hardiness. Journal of Personality and Social Psychology, 56 (4), 577-585.
Cattell, R. B. (1966). e meaning and strategic use of factor analysis. In R. B. Cattell
(Ed.), Handbook of multivariate experimental psychology (pp. 174-243). Chicago: Rand McNally.
Chau, P. Y. K. (1997). Reexamining a model for evaluating information center success using a structural equation modeling approach. Decision Sciences, 28 (2), 309- 334.
Chou, C.-P., Bentler, P. M. y Satorra, A. (1991). Scaled test statistics and robust
standard errors for nonnormal data in covariance structure analysis. British Journal of Mathematical and Statistical Psychology, 44, 347-357.
Hu, L.-T., Bentler, P. M. y Kano, Y. (1992). Can test statistics in covariance structure analysis be trusted? Psychological Bulletin, 112, 351-362.
Churchill, G. A. (1979). A paradigm for developing better measures of marketing constructs. Journal of Marketing Research, 16 (february), 64-73.
Churchill, G. A. y Iacobucci, D. (2002). Marketing research methodological Foundations. 8th ed. Fort Worth, TX: Harcourt College Publishers.
Descargas
Publicado
junio 30, 2018
Colección
Categorías
Derechos de autor 2018 Juan Mejía-Trejo
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Detalles sobre esta monografía
ISBN-13 (15)
978-607-547-184-6
doi
10.55965/abib.9786075471846.2018a
